Первая ИИшница 2024 года пройдет уже в этот четверг, рассказываем про доклады ⤵️
◼️В 15:35 научный сотрудник AIRI Михаил Сальников сделает краткий обзор современных методов работы с графами знаний посредством больших языковых моделей.
◼️В 15:55 кандидат компьютерных наук, научный сотрудник AIRI и НИУ ВШЭ Елизавета Гончарова расскажет про последние достижения в области интерпретации работы современных языковых моделей, а также ответит на вопрос, можно ли как-то изменить факты, которые модель запомнила в процессе обучения.
◼️В 16:15 старший научный сотрудник MBZUAI Артем Шелманов расскажет про оценку неопределенности, как об эффективном подходе к проблеме галлюцинаций языковых моделей. Затронет тему систематизации усилий по оценке неопределенности для генеративных языковых моделей, а также расскажет о распространенных подводных камнях и даст предложения по разработке новых методик в этой области.
◼️В 16:35 научный сотрудник AIRI, аспирант МФТИ Олег Сомов обсудит проблему генерализации в NLP, в частности в домене семантического парсинга. В докладе будет рассказано о сложностях адаптации первого русского text-to-SQL датасета PAUQ, о том как работают SoTA модели на эмулированных сдвигах распределения text-to-SQL данных и о влиянии специализированных методов обучения моделей на различные аспекты генерализации.
◼️В 16:55 Team Lead AGI NLP R&D SberDevices Алена Феногенова расскажет про новый открытый бенчмарк MERA для русского языка для оценки больших языковых моделей от Альянса ИИ. В докладе будут освещены подробности о методологии бенчмарка и его особенностях.
Первая ИИшница 2024 года пройдет уже в этот четверг, рассказываем про доклады ⤵️
◼️В 15:35 научный сотрудник AIRI Михаил Сальников сделает краткий обзор современных методов работы с графами знаний посредством больших языковых моделей.
◼️В 15:55 кандидат компьютерных наук, научный сотрудник AIRI и НИУ ВШЭ Елизавета Гончарова расскажет про последние достижения в области интерпретации работы современных языковых моделей, а также ответит на вопрос, можно ли как-то изменить факты, которые модель запомнила в процессе обучения.
◼️В 16:15 старший научный сотрудник MBZUAI Артем Шелманов расскажет про оценку неопределенности, как об эффективном подходе к проблеме галлюцинаций языковых моделей. Затронет тему систематизации усилий по оценке неопределенности для генеративных языковых моделей, а также расскажет о распространенных подводных камнях и даст предложения по разработке новых методик в этой области.
◼️В 16:35 научный сотрудник AIRI, аспирант МФТИ Олег Сомов обсудит проблему генерализации в NLP, в частности в домене семантического парсинга. В докладе будет рассказано о сложностях адаптации первого русского text-to-SQL датасета PAUQ, о том как работают SoTA модели на эмулированных сдвигах распределения text-to-SQL данных и о влиянии специализированных методов обучения моделей на различные аспекты генерализации.
◼️В 16:55 Team Lead AGI NLP R&D SberDevices Алена Феногенова расскажет про новый открытый бенчмарк MERA для русского языка для оценки больших языковых моделей от Альянса ИИ. В докладе будут освещены подробности о методологии бенчмарка и его особенностях.
Traders also expressed uncertainty about the situation with China Evergrande, as the indebted property company has not provided clarification about a key interest payment.In economic news, the Commerce Department reported an unexpected increase in U.S. new home sales in August.Crude oil prices climbed Friday and front-month WTI oil futures contracts saw gains for a fifth straight week amid tighter supplies. West Texas Intermediate Crude oil futures for November rose $0.68 or 0.9 percent at 73.98 a barrel. WTI Crude futures gained 2.8 percent for the week.
The messaging service and social-media platform owes creditors roughly $700 million by the end of April, according to people briefed on the company’s plans and loan documents viewed by The Wall Street Journal. At the same time, Telegram Group Inc. must cover rising equipment and bandwidth expenses because of its rapid growth, despite going years without attempting to generate revenue.
